PRAXISHEBEL · QUELLEN ZUM BUCH
Quellen zu KI im Controlling
und Finanzwesen
Nachschlageverzeichnis zum Praxis- und Referenzbuch von Julian Voß. Suchen Sie nach der Kennung aus dem Buch, etwa Q37 für eine Quelle oder B3 für ein Fachbuch.
175 von 175 Einträgen
- Q1
Quellen zu Abschnitt 1.1
Statistisches Bundesamt (Destatis): Nutzung von Informations- und Kommunikationstechnologien in Unternehmen 2025, Ergebnisse zur Nutzung von Technologien der künstlichen Intelligenz, Wiesbaden 2025, Abruf: 13.08.2026.
- Q2
Quellen zu Abschnitt 1.1
ifo Institut: Mehr als die Hälfte der Unternehmen nutzt Künstliche Intelligenz, ifo Konjunkturumfrage, 05.06.2026, Abruf: 13.08.2026.
- Q3
Quellen zu Abschnitt 1.1
KPMG International: The Decision Advantage - How AI is producing value across the finance function. 2026 Global AI in Finance Report, Befragung von 1.013 leitenden Finanzverantwortlichen in 20 Ländern im März 2026, Abruf: 13.08.2026.
- Q4
Quellen zu Abschnitt 1.2
Europäische Union: Verordnung (EU) 2024/1689 über künstliche Intelligenz, konsolidierte Fassung vom 27.07.2026, insbesondere Artikel 3 Nummer 1, Abruf: 13.08.2026.
- Q5
Quellen zu Abschnitt 1.2
Europäische Kommission: Guidelines on the definition of an artificial intelligence system established by Regulation (EU) 2024/1689, C(2025) 5053 final vom 29.07.2025, Abruf: 13.08.2026.
- Q6
Quellen zu Abschnitt 1.2
OECD: Explanatory memorandum on the updated OECD definition of an AI system, OECD Artificial Intelligence Papers Nr. 8, 05.03.2024, Abruf: 13.08.2026.
- Q7
Quellen zu Abschnitt 1.2
National Institute of Standards and Technology (NIST): Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, Juli 2024, Abruf: 13.08.2026.
- Q8
Quellen zu Abschnitt 1.2
European Commission, AI Act Service Desk: How are AI agents addressed within the AI Act?, Abruf: 13.08.2026.
- Q9
Quellen zu Abschnitt 1.2
National Institute of Standards and Technology (NIST): AI Agent Standards Initiative, erstellt am 17.02.2026, aktualisiert am 20.04.2026, Abruf: 13.08.2026.
- Q10
Quellen zu Abschnitt 1.3
Deloitte: Finance Trends 2026 - Navigating the expanded scope of finance, veröffentlicht am 06.10.2025; Befragung von 1.326 CFOs und leitenden Finanzverantwortlichen aus Unternehmen mit mehr als einer Milliarde US-Dollar Umsatz in 23 Ländern im Frühjahr 2025, Abruf: 13.08.2026.
- Q11
Quellen zu Abschnitt 1.3
Gartner: Gartner Survey Shows 45% of CFOs Say Their AI Investments Lean Toward Productivity, While 20% Say These Investments Lean Toward Decision Quality, 20.07.2026; Befragung von 204 Finanzverantwortlichen im März 2026, Abruf: 13.08.2026.
- Q12
Quellen zu Abschnitt 1.3
Bundesministerium der Finanzen: Fragen und Antworten zur Einführung der obligatorischen E-Rechnung zum 1. Januar 2025, Stand März 2026, veröffentlicht am 23.03.2026, Abruf: 13.08.2026.
- Q13
Quellen zu Abschnitt 1.3
Deloitte: North American CFOs express concerns about AI governance and risk management, CFO Signals Q2 2026, 23.07.2026; Befragung von 200 CFOs nordamerikanischer Unternehmen mit mindestens einer Milliarde US-Dollar Umsatz, Abruf: 13.08.2026.
- Q14
Quellen zu Abschnitt 1.4
KPMG LLP: KPMG Survey: Finance leaders race to scale AI, igniting a critical need for specialized talent and trust, 11.05.2026; Mitteilung zur globalen Befragung von 1.013 leitenden Finanzverantwortlichen in 20 Ländern und 13 Branchen, darunter 163 aus den USA, Abruf: 13.08.2026.
- Q15
Quellen zu Abschnitt 1.5
Noy, Shakked; Zhang, Whitney: Experimental evidence on the productivity effects of generative artificial intelligence, Science, Band 381, Ausgabe 6654, 2023, S. 187–192; vorregistriertes Online-Experiment mit 453 akademisch ausgebildeten Berufstätigen, DOI 10.1126/science.adh2586, Abruf: 13.08.2026.
- Q16
Quellen zu Abschnitt 1.6
SAP SE: BSH - Kundenfallstudie zu Gen AI und Machine Learning für die Entscheidungsunterstützung, 2025, Abruf: 13.08.2026.
- Q17
Quellen zu Abschnitt 1.6
SAP SE: FRoSTA - Kundenfallstudie zur weitgehend automatisierten Rechnungsverarbeitung im Procure-to-Pay-Prozess, Abruf: 13.08.2026.
- Q18
Quellen zu Abschnitt 1.6
SAP SE: PwC - Kundenfallstudie zum KI-Einsatz in internationalen Umsatzsteuerprozessen, Abruf: 13.08.2026.
- Q19
Quellen zu Abschnitt 1.7
Deloitte GmbH Wirtschaftsprüfungsgesellschaft: Deloitte CFO Survey Frühjahr 2026, 29. deutscher CFO Survey; Befragung von 164 Finanzvorständen deutscher Unternehmen vom 16.04. bis 07.05.2026, Abruf: 13.08.2026.
- Q20
Quellen zu Abschnitt 1.7
Bitkom e. V.: Digitalisierung der Wirtschaft: Fast jedes Unternehmen beschäftigt sich mit KI, Presseinformation vom 11.03.2026; repräsentative telefonische Befragung von 604 Unternehmen in Deutschland ab 20 Beschäftigten in KW 2 bis KW 6 2026, Abruf: 13.08.2026.
- Q21
Quellen zu Abschnitt 1.7
Bitkom e. V.: Durchbruch bei Künstlicher Intelligenz, Presseinformation vom 15.09.2025; repräsentative telefonische Befragung von 604 Unternehmen in Deutschland ab 20 Beschäftigten in KW 27 bis KW 32 2025, Abruf: 13.08.2026.
- Q22
Quellen zu Abschnitt 1.7
Bundesagentur für Arbeit: Arbeitsmarkt im Juli 2026 – Arbeitslosigkeit steigt vor allem jahreszeitlich bedingt, Presseinfo Nr. 30 vom 31.07.2026, Abruf: 13.08.2026.
- Q23
Quellen zu Abschnitt 1.7
World Economic Forum: The Future of Jobs Report 2025, veröffentlicht am 07.01.2025; Befragung von mehr als 1.000 Arbeitgebern aus 55 Volkswirtschaften, Abruf: 13.08.2026.
- Q24
Quellen zu Abschnitt 1.7
Zika, Gerd et al.: Künstliche Intelligenz: Potenzielle Effekte für den deutschen Arbeitsmarkt, IAB-Forschungsbericht 23|2025, Szenarioanalyse des QuBe-Projekts von IAB, BIBB und GWS, 2025, Abruf: 13.08.2026.
- Q25
Quellen zu Abschnitt 2.1
Europäische Union: Verordnung (EU) 2024/1689 über künstliche Intelligenz, insbesondere Artikel 10 zu Daten und Daten-Governance; konsolidierte Fassung, Abruf: 13.08.2026.
- Q26
Quellen zu Abschnitt 2.1
National Institute of Standards and Technology (NIST): Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, Januar 2023, Abruf: 13.08.2026.
- Q27
Quellen zu Abschnitt 2.1
National Institute of Standards and Technology (NIST): Artificial Intelligence Risk Management Framework – Generative Artificial Intelligence Profile, NIST AI 600-1, Juli 2024, Abruf: 13.08.2026.
- Q28
Quellen zu Abschnitt 2.2
National Institute of Standards and Technology (NIST): Secure Software Development Practices for Generative AI and Dual-Use Foundation Models – An SSDF Community Profile, NIST SP 800-218A, Juli 2024, Abruf: 13.08.2026.
- Q29
Quellen zu Abschnitt 2.2
UK National Cyber Security Centre (NCSC) gemeinsam mit CISA und internationalen Partnern: Guidelines for Secure AI System Development, Version 1.0 vom 27.11.2023, Abruf: 13.08.2026.
- Q30
Quellen zu Abschnitt 2.2
OWASP Foundation: LLM01:2025 Prompt Injection, OWASP Top 10 for LLM Applications 2025; veröffentlicht 2024, Abruf: 13.08.2026.
- Q31
Quellen zu Abschnitt 2.2
Bundesamt für Sicherheit in der Informationstechnik (BSI): Generative KI-Modelle – Chancen und Risiken für Industrie und Behörden, aktualisierte Fassung vom 21.01.2025, Abruf: 13.08.2026.
- Q32
Quellen zu Abschnitt 2.3
Association of Chartered Certified Accountants (ACCA) und Chartered Accountants Australia and New Zealand (CA ANZ): Enabling finance insight – Bridging skills and data gaps for AI-enabled finance, Juli 2026; globale Befragung von 1.600 Finanzfachleuten, ergänzt um Roundtables in Großbritannien und der Region Asien-Pazifik sowie Fachinterviews, Abruf: 13.08.2026.
- Q33
Quellen zu Abschnitt 2.3
Internationaler Controller Verein (ICV) und International Group of Controlling (IGC): The Essence of Controlling – The Perspective of ICV and IGC, Grundsatzposition, veröffentlicht 2013 im Journal of Management Control, Band 23, S. 311–317; frei verfügbare Verbandsfassung, Abruf: 13.08.2026.
- Q34
Quellen zu Abschnitt 2.4
International Group of Controlling (IGC): Digitization in Planning, Budgeting and Forecasting, Study Report, Mai 2022. Methodenkombination aus systematischer Literaturanalyse, Online-Befragung August bis September 2021 mit 381 verwertbaren, nicht durchgehend vollständig ausgefüllten Fragebögen sowie vier Experteninterviews; Unternehmens- und Rollenstruktur im Text eingeordnet. Die Praxisfälle des Berichts fassen teils ältere veröffentlichte Fallstudien zusammen. Abruf: 13.08.2026.
- Q35
Quellen zu Abschnitt 2.4
Hyndman, Rob J.; Athanasopoulos, George: Forecasting: Principles and Practice, 3. Auflage, OTexts, Melbourne 2021; Onlinefassung zuletzt aktualisiert am 23.07.2026. Verwendet wurden insbesondere die Abschnitte zu Prognoseintervallen, Genauigkeitsmessung, Zeitreihen-Kreuzvalidierung, Ziel-Forecast-Trennung, Szenarien und fachlichen Anpassungen. Abruf: 13.08.2026.
- Q36
Quellen zu Abschnitt 2.4
Fildes, Robert; Goodwin, Paul; Lawrence, Michael; Nikolopoulos, Konstantinos: Effective forecasting and judgmental adjustments: an empirical evaluation and strategies for improvement in supply-chain planning, International Journal of Forecasting, Band 25, Heft 1, 2009, S. 3–23, DOI 10.1016/j.ijforecast.2008.11.010. Datengrundlage: mehr als 60.000 Prognosen und Ist-Werte aus vier Supply-Chain-Unternehmen; Übertragungsgrenzen im Text erläutert. Abruf: 13.08.2026.
- Q37
Quellen zu Abschnitt 2.5
Bundesministerium der Finanzen: GoBD, Neufassung vom 28.11.2019 mit Änderungen vom 11.03.2024 und 14.07.2025. Verwendet werden die Grundsätze zu Nachvollziehbarkeit, IKS, Unveränderbarkeit, Protokollierung und Verfahrensdokumentation; die zweite Änderung berücksichtigt insbesondere die E-Rechnung. Amtliches AO-Handbuch und Änderungsschreiben, Abruf: 10.11.2026.
- Q38
Quellen zu Abschnitt 2.5
Committee of Sponsoring Organizations of the Treadway Commission (COSO): Achieving Effective Internal Control Over Generative AI (GenAI), 2026. Capability-basierte Übertragung der fünf COSO-Komponenten und 17 Prinzipien auf GenAI, einschließlich Transaktionsverarbeitung, Abstimmung, Workflow-Orchestrierung und Monitoring. Abruf: 13.08.2026.
- Q39
Quellen zu Abschnitt 2.5
Microsoft: EY transforms its global finance operations with innovative apps and AI-driven agents using Power Platform, Kundenfallstudie vom 21.11.2025. Enthält Kundenangaben zu Hauptbuchbuchungen, Zahlungsausgleich und Kontenabstimmung; Anbieterquelle, keine unabhängige Wirkungsprüfung. Abruf: 13.08.2026.
- Q40
Quellen zu Abschnitt 2.5
Microsoft: U.S. Venture gains efficiencies and insights with Dynamics 365 and Microsoft 365 Copilot for Finance, Kundenfallstudie vom 28.01.2025. Enthält Kundenangaben zu Bank- und Kreditkartenabstimmungen; Anbieterquelle, keine unabhängige Wirkungsprüfung. Abruf: 13.08.2026.
- Q41
Quellen zu Abschnitt 2.6
OECD: Tax Administration 2025. Vergleichsdaten aus 58 Jurisdiktionen, unter anderem zu KI-Nutzung in Steuerverwaltungen, elektronischer Abgabe und Fristtreue; veröffentlicht am 17.11.2025. Abruf: 14.08.2026.
- Q42
Quellen zu Abschnitt 2.6
OECD: AI in tax administration, Kapitel in Governing with Artificial Intelligence - The State of Play and Way Forward in Core Government Functions, veröffentlicht am 18.09.2025. Verwendet wurden die Abschnitte zu Einsatzfeldern, Datenqualität, Datenschutz, Rechten der Steuerpflichtigen, Transparenz und Vertrauen. Abruf: 14.08.2026.
- Q43
Quellen zu Abschnitt 2.6
Europäische Kommission, Generaldirektion Steuern und Zollunion: VAT in the Digital Age - 2026 Work Programme available, Mitteilung vom 22.05.2026. Verwendet wurden die Umsetzungsdaten für digitale Meldepflichten und die Angleichung nationaler Echtzeitmeldesysteme. Abruf: 14.08.2026.
- Q44
Quellen zu Abschnitt 2.6
KPMG International: Navigating the forces of change in tax, Executive Summary, 2025. Enthält unter Bezug auf die KPMG 2024 Chief Tax Officer Outlook Study Selbstauskünfte zu Bedenken hinsichtlich KI-Genauigkeit und verringerter menschlicher Aufsicht; Beratungspublikation, keine unabhängige Wirkungsprüfung. Abruf: 14.08.2026.
- Q45
Quellen zu Abschnitt 2.7
Association for Financial Professionals (AFP): 2025 AFP Treasury Benchmarking Survey Report. Befragung von mehr als 500 Treasury-Praktikern zu Prioritäten, Herausforderungen, Reife und Automatisierung; unterstützt von Wells Fargo. Abruf: 14.08.2026.
- Q46
Quellen zu Abschnitt 2.7
PwC: 2025 Global Treasury Survey, veröffentlicht am 25.06.2025. Befragung von 350 Treasurern zu Cash Efficiency, Forecasting, FX- und Zinsrisiken, KI-Reife, Datenqualität und Treasury-Technologie; Beratungserhebung, keine unabhängige Wirkungsstudie. Abruf: 14.08.2026.
- Q47
Quellen zu Abschnitt 2.7
Europäische Zentralbank und Europäische Bankenaufsichtsbehörde: Joint EBA-ECB report on payment fraud - strong authentication remains effective but fraudsters are adapting, Pressemitteilung und Bericht vom 15.12.2025. Verwendet wurden die EWR-Daten für 2023 und 2024 sowie Angaben zu Überweisungsbetrug und manipulierten Zahlern. Abruf: 14.08.2026.
- Q48
Quellen zu Abschnitt 2.7
Europäische Kommission, Generaldirektion Finanzstabilität, Finanzdienstleistungen und Kapitalmarktunion: New EU rules make instant euro payments faster and safer, Mitteilung vom 10.10.2025. Verwendet wurden die Angaben zu Euro-Echtzeitzahlungen und Empfängerüberprüfung ab Oktober 2025. Abruf: 14.08.2026.
- Q49
Quellen zu Abschnitt 2.7
SAP SE: Accenture - Accentuating digital transformation with cloud-based and AI-driven capabilities to enhance finance processes, Kundenfallstudie. Enthält Kundenangaben zu Predictive Cash Forecasting, Cash Application und freigesetztem Cashflow; Anbieterquelle, keine unabhängige Wirkungsprüfung. Abruf: 14.08.2026.
- Q50
Quellen zu Abschnitt 2.8
Bundesministerium der Justiz und Bundesamt für Justiz: § 297 Handelsgesetzbuch - Inhalt des Konzernabschlusses. Verwendet wurden die Bestandteile des Konzernabschlusses und das Prinzip der Darstellung als ein einziges Unternehmen. Abruf: 14.08.2026.
- Q51
Quellen zu Abschnitt 2.8
Bundesministerium der Justiz und Bundesamt für Justiz: § 315 Handelsgesetzbuch - Inhalt des Konzernlageberichts. Verwendet wurden Anforderungen an Analyse, Leistungsindikatoren, voraussichtliche Entwicklung, Chancen und Risiken. Abruf: 14.08.2026.
- Q52
Quellen zu Abschnitt 2.8
IFRS Foundation: IFRS 10 Consolidated Financial Statements. Verwendet wurden Beherrschung als Grundlage des Konsolidierungskreises und die Darstellung von Mutter- und Tochterunternehmen als eine wirtschaftliche Einheit. Abruf: 14.08.2026.
- Q53
Quellen zu Abschnitt 2.8
IFRS Foundation: IAS 21 The Effects of Changes in Foreign Exchange Rates. Verwendet wurden die Grundsätze zu Fremdwährungstransaktionen, funktionaler Währung, ausländischen Geschäftsbetrieben und Darstellungswährung. Abruf: 14.08.2026.
- Q54
Quellen zu Abschnitt 2.8
IFRS Foundation: IFRS 18 Presentation and Disclosure in Financial Statements. Verwendet wurden Inkrafttreten ab 01.01.2027, definierte Zwischensummen, Management-defined Performance Measures sowie Aggregation und Disaggregation. Abruf: 14.08.2026.
- Q55
Quellen zu Abschnitt 2.8
European Securities and Markets Authority (ESMA): ESEF Reporting Manual, 2025 update, ESMA32-60-254, aktualisiert am 14.10.2025. Verwendet wurden Anforderungen und Zielsetzung zu XHTML, XBRL und Inline XBRL für Jahresfinanzberichte. Abruf: 14.08.2026.
- Q56
Quellen zu Abschnitt 2.8
Financial Reporting Council (FRC): Artificial Intelligence and Corporate Reporting - how does it measure up? Veröffentlicht am 21.01.2019. Qualitativer Bericht auf Basis von Interviews und Roundtables zu möglichen KI-Anwendungen, Daten, Kompetenzen, Kontrolle und Freigabe; kein aktueller Wirkungsnachweis. Abruf: 14.08.2026.
- Q57
Quellen zu Abschnitt 2.8
Financial Reporting Council (FRC): Structured Digital Reporting - Insights 2025/26, veröffentlicht am 20.05.2026. Detaillierte Prüfung von 30 digitalen Geschäftsberichten britischer börsennotierter Unternehmen sowie marktweite Analysen; britischer Regelungskontext. Abruf: 14.08.2026.
- Q58
Quellen zu Abschnitt 2.9
Organisation for Economic Co-operation and Development (OECD): AI Principles. Verabschiedet 2019, aktualisiert 2024. Verwendet wurden menschliche Handlungsmacht und Aufsicht, Transparenz und Erklärbarkeit, Eingriffs- und Abschaltbarkeit, Nachvollziehbarkeit und Verantwortlichkeit. Abruf: 14.08.2026.
- Q59
Quellen zu Abschnitt 2.9
National Institute of Standards and Technology (NIST): Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, Juli 2024. Freiwilliges, sektorübergreifendes Risikoprofil; verwendet wurden Risikokategorien und Maßnahmen zu Governance, Messung, Dokumentation, menschlicher Aufsicht und Betrieb. Nicht finanzfunktionsspezifisch. Abruf: 14.08.2026.
- Q60
Quellen zu Abschnitt 2.9
Committee of Sponsoring Organizations of the Treadway Commission (COSO): Achieving Effective Internal Control Over Generative AI, veröffentlicht am 23.02.2026. Verwendet wurden die Übertragung des Internal-Control-Frameworks auf generative KI und genannte Risiken zu Prompt-Manipulation, intransparenter Herleitung, Drift und Konfigurationsänderungen; Leitlinie, keine Wirkungsstudie. Abruf: 14.08.2026.
- Q61
Quellen zu Abschnitt 2.9
Microsoft: Copilot in Excel - Built for the era of Frontier Finance, Produktankündigung vom 25.06.2026. Verwendet wurden Anbieterangaben zu vertrauenswürdigen Daten, Nachvollziehbarkeit von Berechnungen, wiederholbaren Finance-Workflows und interner Nutzung bei Microsoft Finance; kein unabhängiger Wirkungsnachweis. Abruf: 14.08.2026.
- Q62
Quellen zu Abschnitt 2.9
SAP SE: STIHL - Transforming financial planning with innovative, integrated solutions, Kundenfallstudie. Verwendet wurden die Verbindung von S&OP und Finanzplanung, gemeinsame Wert- und Mengenplanung sowie ausgewiesene Prozess- und Planungswirkungen. Anbieterquelle; beschreibt integrierte Planung und Automatisierung, keine isolierte GenAI-Wirkung und keine unabhängige Prüfung. Abruf: 14.08.2026.
- Q63
Quellen zu Abschnitt 2.9
IBM: Achieving enterprise-wide transformation through AI-powered planning and reporting, Enterprise-Performance-Management-Fallstudie, Copyright 2025. Verwendet wurden Anbieterangaben zu konsolidierten Finanzanwendungen, FP&A-Produktivität, Dashboards sowie Finanz- und Workforce-Planung. IBM ist Anwender und Anbieter; keine unabhängige Kausalprüfung. Abruf: 14.08.2026.
- Q64
Quellen zu Abschnitt 2.9
IBM: General Assembly unifies global media operations with AI, Kundenfallstudie, Mai 2026. Verwendet wurden das vereinheitlichte Datenmodell, agentisch unterstützte Planung, Forecast und Budgetsteuerung sowie 20 Prozent ausgewiesene Zeitersparnis in Planung und Reporting. Anbieter- und Partnerquelle; keine unabhängige Wirkungsprüfung. Abruf: 14.08.2026.
- Q65
Quellen zu Abschnitt 3.1
Europäische Kommission: AI Act – Regulatory framework for AI, offizielle Übersicht zu Governance, Durchsetzung und Anwendungszeitplan; berücksichtigt die am 27.07.2026 in Kraft getretene AI-Omnibus-Änderung und die verlängerten Fristen für bestimmte Hochrisikosysteme. Erneut Abruf: 10.11.2026.
- Q66
Quellen zu Abschnitt 3.1
Europäische Kommission / AI Office: AI Literacy – Questions & Answers, aktualisierte offizielle Erläuterungen zu Artikel 4 nach der Änderung von 2026. Verwendet wurden die fortbestehende Pflicht zu Kompetenzmaßnahmen sowie die risiko-, rollen- und kontextbezogene Ausgestaltung ohne vorgeschriebenes einheitliches Kompetenzniveau. Informative Umsetzungshilfe; die konkrete Rechtsanwendung bleibt einzelfallbezogen. Abruf: 14.08.2026.
- Q67
Quellen zu Abschnitt 3.1
International Organization for Standardization (ISO): ISO/IEC 42001:2023 – Artificial intelligence management systems, offizielle Standardübersicht. Verwendet wurden Zweck, organisationsweiter Anwendungsbereich sowie Einrichten, Umsetzen, Aufrechterhalten und fortlaufendes Verbessern eines AI Management Systems. Freiwilliger Managementsystemstandard; die öffentliche Übersicht ersetzt nicht den vollständigen Standard und eine Zertifizierung nicht die Rechtsprüfung. Abruf: 14.08.2026.
- Q68
Quellen zu Abschnitt 3.1
International Organization for Standardization (ISO): ISO/IEC 42005:2025 – AI system impact assessment, offizielle Standardübersicht. Verwendet wurde der lebenszyklusbezogene Ansatz, vorhersehbare Auswirkungen auf Einzelpersonen, Gruppen und Gesellschaft zu identifizieren, zu bewerten und zu dokumentieren. Freiwillige Leitlinie; die öffentliche Übersicht ersetzt nicht den vollständigen Standard. Abruf: 14.08.2026.
- Q69
Quellen zu Abschnitt 3.1
The Institute of Internal Auditors (IIA): Statements of Position – Three Lines Model: Assurance and Advice in Support of Effective Governance, veröffentlicht am 08.07.2026. Verwendet wurden Verantwortlichkeit von Leitung und Aufsicht, Beiträge der drei Linien, Koordination von Assurance und Schutz von Unabhängigkeit und Objektivität bei kombinierten Rollen. Allgemeiner Governance-Rahmen, keine KI-spezifische Pflicht. Abruf: 14.08.2026.
- Q70
Quellen zu Abschnitt 3.1
Europäische Kommission, AI Act Service Desk: Timeline for the Implementation of the EU AI Act. Offizielle Zeitleiste unter Berücksichtigung des Digital Omnibus on AI; ergänzend zum konsolidierten Verordnungstext verwendet. Abruf: 10.11.2026.
- Q71
Quellen zu Abschnitt 3.2
Europäische Kommission: Guidelines for providers and deployers of AI high-risk systems, veröffentlicht am 06.07.2026. Offizielle Leitlinien zur praktischen Beurteilung, ob ein KI-System als hochriskant einzustufen ist, einschließlich Beispielen zu Anhang III. Abruf: 14.08.2026.
- Q72
Quellen zu Abschnitt 3.2
Europäische Kommission: Commission Guidelines on prohibited artificial intelligence practices established by Regulation (EU) 2024/1689, Veröffentlichung vom 04.02.2025, zuletzt aktualisiert am 31.07.2025. Verwendet wurden Überblick, praktische Beispiele und der Hinweis auf den nicht bindenden Charakter der Leitlinien. Abruf: 14.08.2026.
- Q73
Quellen zu Abschnitt 3.2
Europäische Kommission: Guidelines on transparency obligations for providers and deployers of AI systems, veröffentlicht am 20.07.2026. Offizielle Leitlinien zum Anwendungsbereich der Transparenzpflichten nach Artikel 50, die seit 02.08.2026 gelten. Abruf: 14.08.2026.
- Q74
Quellen zu Abschnitt 3.2
International Organization for Standardization (ISO): ISO/IEC 23894:2023 – Information technology – Artificial intelligence – Guidance on risk management, Edition 1, veröffentlicht im Februar 2023. Verwendet wurden Zweck, organisationsweiter Kontext sowie Integration von KI-Risikomanagement in Aktivitäten und Funktionen. Abruf: 14.08.2026.
- Q75
Quellen zu Abschnitt 3.3
Europäische Union: Verordnung (EU) 2016/679 - Datenschutz-Grundverordnung (DSGVO), insbesondere Artikel 5, 6, 25, 32 und 35. Verwendet wurden Verarbeitungsgrundsätze, Rechenschaftspflicht, Datenschutz durch Technikgestaltung und Voreinstellungen, Sicherheit der Verarbeitung und Datenschutz-Folgenabschätzung. Abruf: 14.08.2026.
- Q76
Quellen zu Abschnitt 3.3
European Data Protection Board (EDPB): Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models, angenommen am 18.12.2024. Verwendet wurden Anonymität, Rollen, Rechenschaftspflicht, Rechtsgrundlage, Zweckbindung, Datenminimierung, Privacy by Design und Folgen der Entwicklungsphase. Abruf: 14.08.2026.
- Q77
Quellen zu Abschnitt 3.3
National Institute of Standards and Technology (NIST): Adversarial Machine Learning - A Taxonomy and Terminology of Attacks and Mitigations, NIST AI 100-2e2025, veröffentlicht im März 2025. Verwendet wurden lebenszyklusbezogene Angriffstaxonomie, Datenvergiftung, Evasion, Datenschutzangriffe sowie direkte und indirekte Prompt Injection. Abruf: 14.08.2026.
- Q78
Quellen zu Abschnitt 3.3
National Institute of Standards and Technology (NIST): The NIST Cybersecurity Framework (CSF) 2.0, NIST CSWP 29, veröffentlicht am 26.02.2024. Verwendet wurden die Funktionen Govern, Identify, Protect, Detect, Respond und Recover sowie der organisationsspezifische, ergebnisorientierte Ansatz. Abruf: 14.08.2026.
- Q79
Quellen zu Abschnitt 3.3
European Union Agency for Cybersecurity (ENISA): Secure by Design and Default Playbook, Version 1.0, Juli 2026. Verwendet wurden Threat Modelling einschließlich KI-spezifischer Angriffspfade, Least Privilege, restriktive Voreinstellungen, Negativtests, Logging, Konfigurationskontrolle, Incident Response und Wiederherstellung. Abruf: 14.08.2026.
- Q80
Quellen zu Abschnitt 3.4
National Institute of Standards and Technology (NIST): AI RMF Playbook, insbesondere MEASURE 2.1 sowie MANAGE 2.2 und 4.1. Verwendet wurden dokumentierte Testsets und Messverfahren, lebenszyklusbezogene TEVV, Drift- und Leistungsüberwachung, Nutzerfeedback, Overrides, Change Management, Vorfallreaktion und Stilllegung. Freiwillige, fortentwickelte Umsetzungshilfe zum AI RMF und keine vollständig abzuarbeitende Checkliste. Abruf: 20.08.2026.
- Q81
Quellen zu Abschnitt 3.4
Dell'Acqua, Fabrizio et al.: Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality, Organization Science, Band 37, Ausgabe 2, 2026, S. 403-423, DOI 10.1287/orsc.2025.21838. Vorregistriertes randomisiertes Feldexperiment mit 758 BCG-Beraterinnen und -Beratern; verwendet wurden die unterschiedlichen Effekte innerhalb und außerhalb der untersuchten GPT-4-Fähigkeitsgrenze. Die Ergebnisse stammen aus Beratungsaufgaben und sind kein Wirkungswert für Finance-Prozesse. Abruf: 20.08.2026.
- Q82
Quellen zu Abschnitt 3.5
Bundesamt für Sicherheit in der Informationstechnik (BSI): IT-Grundschutz-Baustein OPS.1.1.5 Protokollierung, Edition 2023, Stand Februar 2023. Verwendet wurden Protokollierungsrichtlinie, Rollen, Konfiguration, Zeitsynchronisation, rechtliche Rahmenbedingungen, Schutz vor unkontrollierter Veränderung und Löschung, zentrale Infrastruktur, Archivierung und Auswertbarkeit. Allgemeine IT-Sicherheitsleitlinie; keine KI- oder Finance-Spezialregel. Abruf: 20.08.2026.
- Q83
Quellen zu Abschnitt 3.5
Australian Signals Directorate's Australian Cyber Security Centre (ASD's ACSC) gemeinsam mit CISA, FBI, NSA, NCSC und weiteren internationalen Partnern: Best Practices for Event Logging and Threat Detection, veröffentlicht am 21.08.2024. Verwendet wurden Logging-Policy, zentraler Zugriff und Korrelation, sichere Speicherung und Integrität sowie Erkennungsstrategie. Technische Cybersicherheitsleitlinie, primär für mittlere und große Organisationen; kein Nachweis fachlicher Finance-Qualität. Abruf: 20.08.2026.
- Q84
Quellen zu Abschnitt 3.5
Mitchell, Margaret et al.: Model Cards for Model Reporting, Proceedings of the Conference on Fairness, Accountability, and Transparency (FAT* '19), 2019, S. 220-229, DOI 10.1145/3287560.3287596. Verwendet wurden vorgesehener Einsatz, Evaluationsbedingungen, Leistungsmerkmale, Grenzen und Empfehlungen als strukturierte Modelldokumentation. Der Ansatz dokumentiert Modelle, nicht den vollständigen Unternehmensprozess oder Einzelfall. Abruf: 20.08.2026.
- Q85
Quellen zu Abschnitt 3.5
Gebru, Timnit et al.: Datasheets for Datasets, Communications of the ACM, Band 64, Ausgabe 12, 2021, S. 86-92, DOI 10.1145/3458723. Verwendet wurden Motivation, Zusammensetzung, Erhebung, Verarbeitung, Nutzung und Pflege als strukturierte Datensatzdokumentation. Der Ansatz ersetzt nicht die konkrete Datenfassung, Transformation, Berechtigung und Nutzung im Finance-Prozess. Abruf: 20.08.2026.
- Q86
Quellen zu Abschnitt 3.6
National Institute of Standards and Technology (NIST): NIST Cybersecurity Supply Chain Risk Management: Due Diligence Assessment Quick-Start Guide, NIST SP 1326, Final, veröffentlicht im Juli 2026. Verwendet wurden Due Diligence vor Beschaffungs- und Bestandsentscheidungen sowie die Prüffelder Eigentum/Einfluss, Herkunft, Resilienz, grundlegende Cyberpraktiken und Lieferkettenstufen. US-amerikanischer ICT-Cyberleitfaden; keine KI-, Finance- oder Rechtsprüfung. Abruf: 20.08.2026.
- Q87
Quellen zu Abschnitt 3.6
National Institute of Standards and Technology (NIST): Cybersecurity Supply Chain Risk Management Practices for Systems and Organizations, NIST SP 800-161 Rev. 1, Fassung Mai 2022 mit Aktualisierungen vom 01.11.2024. Verwendet wurden die lebenszyklusbezogene Integration von Lieferkettenrisiko in Strategie, Richtlinien, Beschaffung, Produkt-/Dienstleistungsbewertung, Betrieb und Außerbetriebnahme. Allgemeiner Cybersecurity-Rahmen; nicht KI- oder Finance-spezifisch. Abruf: 20.08.2026.
- Q88
Quellen zu Abschnitt 3.6
Bundesamt für Sicherheit in der Informationstechnik (BSI): Cloud Computing Compliance Criteria Catalogue – C5:2026, veröffentlicht am 07.04.2026, sowie offizielle C5-Erläuterungen. Verwendet wurden Mindestanforderungen für sicheres Cloud Computing, prüfbare Sicherheits- und Transparenzinformationen sowie die fortbestehende Verantwortung des Cloud-Kunden, Scope, Bericht und eigenes Sicherheitsniveau zu beurteilen. C5 ist keine Validierung des Finance-Anwendungsfalls oder der Modellantwort. Abruf: 20.08.2026.
- Q89
Quellen zu Abschnitt 3.6
Europäische Union: Verordnung (EU) 2023/2854 über harmonisierte Vorschriften für einen fairen Datenzugang und eine faire Datennutzung (Data Act), insbesondere Kapitel VI zum Wechsel zwischen Datenverarbeitungsdiensten; anwendbar seit 12.09.2025. Verwendet wurden Wechselhindernisse, Vertragsinformationen, Daten-/Metadatenexport, offene Schnittstellen, Übergang und Interoperabilität. Der konkrete sachliche Anwendungsbereich und Ausnahmen sind einzelfallbezogen zu prüfen. Abruf: 20.08.2026.
- Q90
Quellen zu Abschnitt 3.6
Europäische Union: Verordnung (EU) 2022/2554 über die digitale operationale Resilienz im Finanzsektor (DORA), insbesondere Artikel 28 bis 30 zu ICT-Drittparteienrisiko, Register, Due Diligence, Konzentration, Unterauftragnehmern, Vertragsinhalten und getesteten Exit-Plänen. Sektorspezifische Pflicht für erfasste Finanzunternehmen; keine allgemeine Vorgabe für jede Unternehmens-Finanzfunktion. Abruf: 20.08.2026.
- Q91
Quellen zu Abschnitt 3.7
National Institute of Standards and Technology (NIST): Incident Response Recommendations and Considerations for Cybersecurity Risk Management: A CSF 2.0 Community Profile, NIST SP 800-61 Rev. 3, Final, veröffentlicht im April 2025. Verwendet wurden die Integration von Incident Response in Governance, Identify, Protect, Detect, Respond und Recover, risikobasierte Triage und Priorisierung, Aufzeichnung von Untersuchungsmaßnahmen, Eindämmung, Recovery und fortlaufende Lessons Learned. Allgemeiner US-Cybersecurity-Rahmen; keine KI-, Finance- oder Rechtsnorm. Abruf: 20.08.2026.
- Q92
Quellen zu Abschnitt 3.7
Bundesamt für Sicherheit in der Informationstechnik (BSI): BSI-Standard 200-4 – Business Continuity Management, veröffentlicht am 14.06.2023. Verwendet wurden systematischer Aufbau eines Business Continuity Management Systems, Geschäftsfortführungsplanung, Übungen, Leistungsfähigkeit und fortlaufende Verbesserung. Organisationsweiter BCM-Rahmen; keine KI- oder Finance-Spezialnorm und keine Zertifizierung des beschriebenen Recovery-Gates. Abruf: 20.08.2026.
- Q93
Quellen zu Abschnitt 3.7
European Data Protection Board (EDPB): Guidelines 9/2022 on personal data breach notification under GDPR, Version 2.0, finale Fassung vom 04.04.2023. Verwendet wurden Einordnung, Dokumentation und Meldung von Verletzungen des Schutzes personenbezogener Daten in Verbindung mit Artikeln 33 und 34 DSGVO. Die Leitlinien ersetzen keine Bewertung des konkreten Risikos, Empfängers oder Kenntniszeitpunkts. Abruf: 20.08.2026.
- Q94
Quellen zu Abschnitt 3.8
Europäische Kommission, AI Office: Living repository to foster learning and exchange on AI literacy, veröffentlicht am 04.02.2025, zuletzt aktualisiert am 10.08.2026. Verwendet wurde die Vielfalt dokumentierter Praxisformate. Die Kommission weist ausdrücklich darauf hin, dass die Übernahme eines Beispiels derzeit keine Konformitätsvermutung für Artikel 4 begründet. Abruf: 20.08.2026.
- Q95
Quellen zu Abschnitt 3.8
Lane, Marguerita; Williams, Morgan; Broecke, Stijn: The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers, OECD Working Paper Nr. 288, 27.03.2023, DOI 10.1787/ea0a0fe1-en. Befragt wurden Anfang 2022 insgesamt 5.334 Beschäftigte und 2.053 Unternehmen aus Finanzdienstleistungen und Produktion in sieben Ländern. Verwendet wurde die berichtete Verbindung von Training und Beschäftigtenkonsultation mit günstigeren Ergebnissen. Wahrnehmungsbasierter Querschnitt vor breiter GenAI-Nutzung; keine Kausal- oder Unternehmenswirkung. Abruf: 20.08.2026.
- Q96
Quellen zu Abschnitt 4.1
OECD/BCG/INSEAD: The Adoption of Artificial Intelligence in Firms – New Evidence for Policymaking, OECD Publishing, 02.05.2025, DOI 10.1787/f9ef33c3-en. Verwendet wurden Untersuchungsdesign, ROI-Unsicherheit, Datenreife und Evidenzbedarf. Befragung von 840 KI-adoptierenden Unternehmen in den G7-Staaten plus 167 in Brasilien und Interviews; Erhebung 2022/2023, daher keine aktuelle Marktquote oder Finance-Repräsentativstudie. Abruf: 20.08.2026.
- Q97
Quellen zu Abschnitt 4.1
Government Digital Service / UK Government: Artificial Intelligence Playbook for the UK Government, 10.02.2025. Verwendet wurden problem- und nutzerorientierte Auswahl, Alternativenvergleich, Kosten-Nutzen-, Fähigkeits- und Infrastrukturprüfung, klare Ziele und Lebenszyklussteuerung. Leitlinie für den britischen öffentlichen Sektor; keine Unternehmensnorm oder Wirkungsstudie. Abruf: 20.08.2026.
- Q98
Quellen zu Abschnitt 4.1
U.S. Government Accountability Office (GAO): Artificial Intelligence – IRS Actions Needed to Address Skills Gaps, Information Quality, and Strategic Management, GAO-26-107522, 24.03.2026. Verwendet wurden geprüfte Befunde zu Inventarqualität, Nutzenangaben, Strategiebezug, Wirkungskennzahlen und Doppelarbeit. Prüfung einer US-Bundesbehörde; kein privater Finance-Benchmark. Abruf: 20.08.2026.
- Q99
Quellen zu Abschnitt 4.2
HM Treasury: The Green Book 2026, veröffentlicht am 05.02.2026. Verwendet wurden Optionen- und Business-as-usual-Vergleich, Proportionalität, Lebenszyklushorizont, Kosten-, Nutzen-, Risiko- und Unsicherheitsbetrachtung sowie Trennung von Appraisal und Evaluation. Verbindliche Leitlinie für relevante britische öffentliche Ausgaben und auf gesellschaftlichen Wert ausgerichtet; keine Unternehmensbewertungs- oder Investitionsnorm. Abruf: 20.08.2026.
- Q100
Quellen zu Abschnitt 4.2
HM Treasury / Evaluation Task Force: Guidance on the Impact Evaluation of AI Interventions, aktualisiert am 15.05.2026. Verwendet wurden Theory of Change, Baseline und Gegenfaktum, experimentelle, quasi-experimentelle und theoriebasierte Ansätze, gestaffelte Evaluation, Kontext- und Versionsbezug sowie die Trennung technischer Benchmarks von Wirkung. Leitlinie für Zentralregierung und öffentliche Dienste; keine Unternehmens- oder Finance-Norm. Abruf: 20.08.2026.
- Q101
Quellen zu Abschnitt 4.2
U.S. Government Accountability Office (GAO): Cost Estimating and Assessment Guide – Best Practices for Developing and Managing Program Costs, GAO-20-195G, 12.03.2020. Verwendet wurden Umfang und technische Baseline, Arbeitsstruktur, Annahmen, Daten, Schätzverfahren, Sensitivitäts- und Risikoanalyse, Dokumentation sowie Aktualisierung mit Istkosten. Leitfaden für US-Bundesprogramme und Kostenmanagement; keine Unternehmensinvestitions- oder Bewertungsnorm. Abruf: 20.08.2026.
- Q102
Quellen zu Abschnitt 4.3
International Organization for Standardization (ISO): ISO/IEC/IEEE 42010:2022 – Software, systems and enterprise – Architecture description, Edition 2, veröffentlicht im November 2022. Verwendet wurden Trennung von Architektur und Architekturbeschreibung sowie Anforderungen an Konzepte, Beziehungen, Architektur-Sichten und Modellarten. Die öffentliche Übersicht ersetzt nicht den 62-seitigen Standard; der Standard schreibt keine konkrete Architektur, Methode oder Werkzeugwahl vor. Abruf: 20.08.2026.
- Q103
Quellen zu Abschnitt 4.3
Europäische Union: Verordnung (EU) 2023/2854 über harmonisierte Vorschriften für einen fairen Datenzugang und eine faire Datennutzung (Data Act), 13.12.2023, anwendbar seit 12.09.2025. Verwendet wurden insbesondere Kapitel VI zu Wechseln zwischen Datenverarbeitungsdiensten und Kapitel VIII zur Interoperabilität. Die Übertragung auf einen konkreten Dienst, Vertrag und KI-Anwendungsfall bedarf eigener Rechtsprüfung. Abruf: 20.08.2026.
- Q104
Quellen zu Abschnitt 4.3
FinOps Foundation: Cost Estimation of AI Workloads, zuletzt aktualisiert am 15.09.2025. Verwendet wurden organisationsweite und workloadbezogene Kostenplanung, direkte und gemeinsame Kosten, nutzungsabhängige und bereitgestellte Kapazität, eigenes Benchmarking sowie Last-, Redundanz- und Auslastungstreiber. Praxisleitlinie einer FinOps-Arbeitsgruppe; kein Standard, keine unabhängige Wirkungsstudie und keine produktspezifische Empfehlung. Abruf: 20.08.2026.
- Q105
Quellen zu Abschnitt 4.4
Government Digital Service / UK Government: How the beta phase works, veröffentlicht am 04.08.2016, zuletzt aktualisiert am 19.02.2021. Verwendet wurden private Beta mit begrenzten eingeladenen realen Nutzern, laufende Verbesserung durch Feedback, ausreichende Iterations- und Supportkapazität, Erfolgsmessung und Weiterbetrieb des bestehenden Dienstes bis zur Live-Freigabe. Leitlinie für öffentliche digitale Dienste; keine KI-, Finance- oder Unternehmensnorm. Abruf: 20.08.2026.
- Q106
Quellen zu Abschnitt 4.4
Microsoft: Azure Well-Architected Framework – Architecture strategies for safe deployment practices, aktualisiert am 17.06.2026. Verwendet wurden kleine qualitätsgeprüfte Releases, progressive Exposition und Canary-Gruppen, Health Checks, Beobachtungszeit, Haltepunkte, Feature Flags sowie Rollback und Roll-forward. Technische Anbieterleitlinie; keine unabhängige KI-, Finance- oder Governance-Norm. Abruf: 20.08.2026.
- Q107
Quellen zu Abschnitt 4.4
U.S. Government Accountability Office (GAO): Artificial Intelligence – An Accountability Framework for Federal Agencies and Other Entities, GAO-21-519SP, 30.06.2021. Verwendet wurden klare Ziele, Rollen und Leistungskennzahlen, menschliche Aufsicht, laufendes Monitoring, Nachvollziehbarkeit und Bedingungen für Skalierung beziehungsweise Ausweitung. Rechenschaftsrahmen für US-Bundesbehörden und andere Organisationen; keine verbindliche Unternehmens- oder Finance-Norm. Abruf: 20.08.2026.
- Q108
Quellen zu Abschnitt 4.5
Cloud Native Computing Foundation (CNCF), TAG App Delivery: CNCF Platforms White Paper, Version 1 im März 2023 abgeschlossen, fortlaufend auf der offiziellen Projektseite veröffentlicht. Verwendet wurden Plattform als integrierte, nutzerorientierte Fähigkeitssammlung, Plattform als Produkt, konsistente Nutzererfahrung, Dokumentation und Onboarding, Self-Service, geringere kognitive Last, Komponierbarkeit, sichere Voreinstellungen sowie Golden Paths. Cloud-natives Praxispapier; kein Finance- oder KI-Standard und kein empirischer Wirkungsnachweis. Abruf: 20.08.2026.
- Q109
Quellen zu Abschnitt 4.5
OpenTelemetry Project: Inside the LLM Call – GenAI Observability with OpenTelemetry, technischer Projektbeitrag von James Newton-King, 14.05.2026. Verwendet wurden gemeinsame GenAI-Telemetrie für Modellaufrufe, Tokenmengen, Laufzeiten und Toolaufrufe sowie der Hinweis, dass Inhaltsaufzeichnung sensible Prompts, Antworten und Werkzeugdaten enthalten kann und im gezeigten Beispiel standardmäßig deaktiviert ist. Die GenAI-Semantikkonventionen befinden sich in aktiver Entwicklung; keine unveränderliche Auditnorm. Abruf: 20.08.2026.
- Q110
Quellen zu Abschnitt 4.5
FinOps Open Cost and Usage Specification (FOCUS): FOCUS Specification 1.4, veröffentlichte Fassung, vom Steering Committee am 04.06.2026 ratifiziert. Verwendet wurden gemeinsames Schema, Terminologie und Mindestanforderungen für Abrechnungsdaten sowie deren Nutzbarkeit für Zuordnung, Chargeback, Budgetierung und Forecasting. Offene Spezifikation für Kosten- und Nutzungsdaten; keine vollständige Prozesskostenrechnung und keine Bewertung des Geschäftsnutzens. Abruf: 20.08.2026.
- Q111
Quellen zu Abschnitt 4.6
Europäische Union: Konsolidierte Fassung der Verordnung (EU) 2024/1689 über künstliche Intelligenz, Stand 27.07.2026, insbesondere Artikel 4 in der durch die Verordnung (EU) 2026/1744 geänderten Fassung. Verwendet wurden die Pflicht zu Maßnahmen zur Unterstützung der KI-Kompetenz, die Kontextfaktoren technisches Wissen, Erfahrung, Ausbildung und Schulung sowie die Klarstellung, dass kein bestimmtes individuelles Kompetenzniveau garantiert werden muss. Verbindlicher Rechtswortlaut; die Anwendung auf den Einzelfall ist rechtlich zu prüfen. Abruf: 20.08.2026.
- Q112
Quellen zu Abschnitt 4.6
Europäische Kommission: AI literacy – Questions & Answers, aktualisiert am 27.07.2026. Verwendet wurden der kontext- und risikobasierte Ansatz, mögliche Maßnahmenformen, Hinweise zu Dokumentation sowie die Klarstellungen, dass kein bestimmter Kurs, kein Zertifikat, keine individuelle Wissensmessung und keine allgemeine AI-Officer-Funktion vorgeschrieben sind. Unverbindliche Kommissionsauslegung; kein Ersatz für den Rechtswortlaut oder Einzelfallberatung. Abruf: 20.08.2026.
- Q113
Quellen zu Abschnitt 4.6
International Labour Organization: Gmyrek, P. et al., Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper 140, Mai 2025. Verwendet wurden der tätigkeitsbezogene Expositionsansatz, rund ein Viertel globaler Beschäftigung mit irgendeiner Exposition, 3,3 Prozent in der höchsten Kategorie und die Einordnung von Transformation als wahrscheinlichster Wirkung. Der Index misst technisches Potenzial auf Basis globaler Berufsdaten, keine bereits realisierte Automatisierung oder konkrete Stellenwirkung. Abruf: 20.08.2026.
- Q114
Quellen zu Abschnitt 4.6
OECD: Lane, M.; Williams, M.; Broecke, S., The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers, OECD Social, Employment and Migration Working Papers No. 288, 2023, sowie offizielle Projektbeschreibung. Befragt wurden Anfang 2022 5.334 Beschäftigte und 2.053 Unternehmen aus Finanz- und verarbeitendem Gewerbe in Österreich, Kanada, Frankreich, Deutschland, Irland, dem Vereinigten Königreich und den USA. Verwendet wurde insbesondere die Verbindung von Schulung und Beschäftigtenkonsultation mit besseren berichteten Ergebnissen. Querschnittliche Selbstauskünfte; keine Kausalaussage und nicht ausschließlich generative KI. Abruf: 20.08.2026.
- Q115
Quellen zu Abschnitt 4.6
World Economic Forum: The Future of Jobs Report 2025, veröffentlicht am 07.01.2025. Datengrundlage: 1.043 Unternehmensantworten mit zusammen mehr als 14,1 Millionen Beschäftigten, 22 Branchen und 55 Volkswirtschaften; Erhebung Mai bis September 2024, überwiegend Unternehmen ab 500 Beschäftigten. Verwendet wurden die berichteten Transformationsbarrieren Kompetenzlücken (63 Prozent) und Kultur beziehungsweise Widerstand (46 Prozent) sowie geplantes Up- oder Reskilling als KI-Reaktion (77 Prozent). Arbeitgebererwartungen, keine Prognosegarantie; kleine Unternehmen und informeller Sektor sind nicht repräsentativ erfasst. Abruf: 20.08.2026.
- Q116
Quellen zu Abschnitt 4.6
Bundesministerium der Justiz / Bundesamt für Justiz: Betriebsverfassungsgesetz, geltende Onlinefassung, insbesondere §§ 80 Absatz 3, 81 Absatz 4, 87 Absatz 1 Nummer 6 sowie 90 und ergänzend 91, 92 und 92a. Verwendet wurden Regelungen zu Sachverständigen bei KI-Beurteilung, Information und Qualifizierung bei veränderten Tätigkeiten, Mitbestimmung bei bestimmter technischer Leistungs- oder Verhaltensüberwachung sowie rechtzeitiger Unterrichtung und Beratung bei Arbeitsverfahren und Arbeitsabläufen einschließlich KI. Verbindlicher Gesetzestext; Reichweite und Verfahren hängen vom konkreten Sachverhalt ab. Abruf: 20.08.2026.
- Q117
Quellen zu Abschnitt 4.6
UK National Cyber Security Centre: Shadow IT, offizielle Sicherheitsleitlinie. Verwendet wurden die ausdrückliche Einbeziehung nicht genehmigter KI als Shadow AI, typische Ursachen in unzureichenden genehmigten Werkzeugen oder langsamen Antragswegen sowie der lernorientierte, nicht beschuldigende Umgang mit gutgläubigen Meldungen. Sicherheitsleitlinie für Organisationen; keine deutsche arbeitsrechtliche Vorgabe und keine Freigabe nicht genehmigter Datenverarbeitung. Abruf: 20.08.2026.
- Q118
Quellen zu Abschnitt 4.7
Europäische Kommission: The enforcement framework of the AI Act, zuletzt aktualisiert am 07.08.2026. Verwendet wurden die seit 02.08.2026 greifenden Durchsetzungsbefugnisse für bestimmte Vorschriften sowie die Anwendungsdaten 02.12.2027 für Hochrisiko-Systeme nach Anhang III und 02.08.2028 für bestimmte produktintegrierte Hochrisiko-Systeme. Die Seite ist eine unverbindliche Kommissionsübersicht; maßgeblich bleiben Rechtswortlaut, Rolle und Einzelfall. Abruf: 20.08.2026.
- Q119
Quellen zu Abschnitt 4.7
National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, veröffentlicht am 26.01.2023. Verwendet wurden freiwilliger, branchen- und anwendungsfallneutraler Ansatz, Eignung für Organisationen unterschiedlicher Größe und Kapazität sowie die lebenszyklusbezogenen Funktionen Govern, Map, Measure und Manage. Die Funktionen sind keine lineare Projektcheckliste; NIST weist aktuell auf eine laufende Überarbeitung hin. Abruf: 20.08.2026.
- Q120
Quellen zu Abschnitt 4.7
National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, veröffentlicht am 26.07.2024; offizielle Publikationsseite aktualisiert am 08.04.2026. Verwendet wurde das Profil als technologiebezogene Ergänzung des AI RMF für Risiken und Maßnahmen entlang Entwicklung, Einsatz und Evaluation generativer KI. Freiwillige, sektorübergreifende Orientierung; kein vollständiger Kontrollkatalog für einen Einzelfall. Abruf: 20.08.2026.
- Q121
Quellen zu Abschnitt 4.7
National Institute of Standards and Technology: SP 800-218A, Secure Software Development Practices for Generative AI and Dual-Use Foundation Models: An SSDF Community Profile, Final, Juli 2024. Verwendet wurde die Erweiterung sicherer Softwareentwicklung um KI-spezifische Praktiken über den Lebenszyklus sowie die Adressierung von Produzenten und Erwerbern von KI-Systemen. Das Profil ist zusammen mit SP 800-218 zu lesen und ersetzt keine organisations- oder sektorspezifischen Pflichten. Abruf: 20.08.2026.
- Q122
Quellen zu Abschnitt 4.7
UK Government Digital Service: Government Functional Standard GovS 005: Digital, aktualisiert am 22.04.2026. Verwendet wurden klare Serviceverantwortung, multidisziplinäre Teams, an Outcomes und Benefits ausgerichtete Services, iterative Entwicklung, konsistente Leistungsmaße, Servicekatalog, gemeinsames Backlog, Portfolio- und Betriebssteuerung. Der Standard gilt für den britischen staatlichen Geltungsbereich; die Übertragung auf private Finanzfunktionen ist eine ausdrücklich gekennzeichnete Analogie. Abruf: 20.08.2026.
- Q123
Quellen zu Abschnitt 5.7
OpenAI: Business data privacy, security, and compliance. Anbieterinformationen zu Geschäftstarifen und Datenverwendung; verwendet zur Einordnung von ChatGPT Business und Enterprise, nicht als unabhängiger Sicherheitsnachweis. Abruf: 10.11.2026.
- Q124
Quellen zu Abschnitt 5.7
Microsoft: Privacy and protections sowie Data, Privacy, and Security for Microsoft Copilot. Offizielle Dokumentation zu Produktbezeichnungen, geschäftlichem Datenschutz und Datenzugriff. Abruf: 11.11.2026.
- Q125
Quellen zu Abschnitt 5.7
SAP: Search Your Data for Analytical Insights in Joule. Offizielle Hilfe zur analytischen Einblicksfunktion mit SAP Analytics Cloud; Einschränkungen hinsichtlich aktivierter SAP-Produkte und unterstützter Modelle beachten. Abruf: 10.11.2026.
- Q126
Quellen zu Abschnitt 5.7
Microsoft: Azure AI Document Intelligence overview. Offizielle Produktdokumentation zu Dokumentanalyse, vortrainierten Modellen und benutzerdefinierten Extraktionsmodellen. Abruf: 10.11.2026.
- Q127
Quellen zu Abschnitt 5.7
Microsoft: Overview of Power Automate. Offizielle Dokumentation zu automatisierten Workflows. Aus den beschriebenen Fähigkeiten folgt keine Freigabe für einen konkreten Finanzprozess. Abruf: 10.11.2026.
- Q128
Quellen zu Abschnitt 6.1
National Institute of Standards and Technology (NIST), „Announcing the AI Agent Standards Initiative for Interoperable and Secure AI Agents“, veröffentlicht am 17. Februar 2026, aktualisiert am 18. Februar 2026; Abruf: 24.08.2026.
- Q129
Quellen zu Abschnitt 6.1
NIST National Cybersecurity Center of Excellence (NCCoE), „Accelerating the Adoption of Software and Artificial Intelligence Agent Identity and Authorization“, Initial Public Draft, 5. Februar 2026; Abruf: 24.08.2026.
- Q130
Quellen zu Abschnitt 6.1
Australian Signals Directorate / Australian Cyber Security Centre gemeinsam mit CISA, NSA, Canadian Centre for Cyber Security, New Zealand NCSC und UK NCSC, „Careful adoption of agentic AI services“, 1. Mai 2026; Abruf: 24.08.2026.
- Q131
Quellen zu Abschnitt 6.1
UK National Cyber Security Centre (NCSC), „Managing the cyber risk of agentic AI“, vorläufige Hinweise vom 20. August 2026; Abruf: 24.08.2026.
- Q132
Quellen zu Abschnitt 6.1
OWASP GenAI Security Project, „OWASP Top 10 for Agentic Applications for 2026“, Community-Framework vom 9. Dezember 2025; keine Norm, Abruf: 24.08.2026.
- Q133
Quellen zu Abschnitt 6.2
Bank for International Settlements (BIS), Iñaki Aldasoro und Ajit Desai, „AI agents for cash management in payment systems“, BIS Working Papers No. 1310, 26. November 2025; promptbasierte Simulationsexperimente, Abruf: 24.08.2026.
- Q134
Quellen zu Abschnitt 6.2
Financial Stability Board (FSB): Sound Practices for Responsible Adoption of Artificial Intelligence (AI), Final report, 15. Oktober 2026. Endfassung nach der Konsultation vom Juni 2026; zwölf Praktiken zu Governance und Risikomanagement über den KI-Lebenszyklus. Auf Finanzinstitute ausgerichtet, im Buch methodisch auf interne Finanzprozesse übertragen; keine allgemeine gesetzliche Finance-Pflicht. Abruf: 10.11.2026.
- Q135
Quellen zu Abschnitt 6.2
Bank of England, „Artificial Intelligence Consortium minutes – February 2026“, Sitzung vom 9. Februar 2026; Diskussionspunkte unter anderem zu agentischer KI, Entscheidungszeit, Eingriff, Kill Switches und laufender Komponentenüberwachung, Abruf: 24.08.2026.
- Q136
Quellen zu Abschnitt 6.2
Linux Foundation, „A2A Protocol Surpasses 150 Organizations, Lands in Major Cloud Platforms, and Sees Enterprise Production Use in First Year“, Pressemitteilung vom 9. April 2026; Selbstauskunft der Stiftung, Abruf: 24.08.2026.
- Q137
Quellen zu Abschnitt 6.2
Model Context Protocol, „Specification 2026-07-28 Released“, offizieller Release-Beitrag vom 28. Juli 2026; beschreibt unter anderem zustandslosen Kern, selbstbeschreibende Requests, Autorisierungshärtung und Erweiterungsrahmen, Abruf: 24.08.2026.
- Q138
Quellen zu Abschnitt 6.2
OpenTelemetry, „Inside the LLM Call: GenAI Observability with OpenTelemetry“, 14. Mai 2026; technischer Beitrag zu standardisierter GenAI-Telemetrie und zum Schutz potenziell sensibler Inhaltsdaten, Abruf: 24.08.2026.
- Q139
Quellen zu Abschnitt 6.3
Europäische Union, Verordnung (EU) 2024/1689 über künstliche Intelligenz, konsolidierte Fassung vom 27. Juli 2026, insbesondere Artikel 14 zur menschlichen Aufsicht und Artikel 26 zu Pflichten der Betreiber, Abruf: 24.08.2026.
- Q140
Quellen zu Abschnitt 6.3
Europäische Union, Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), konsolidierter Text, insbesondere Artikel 22 zu automatisierten Entscheidungen im Einzelfall, Abruf: 24.08.2026.
- Q141
Quellen zu Abschnitt 6.3
Europäischer Datenschutzausschuss, „Guidelines on Automated individual decision-making and Profiling for the purposes of Regulation 2016/679“, ursprünglich Artikel-29-Datenschutzgruppe, vom EDPB am 25. Mai 2018 gebilligt; Anforderungen an sinnvolle menschliche Einwirkung, Abruf: 24.08.2026.
- Q142
Quellen zu Abschnitt 6.3
Gerichtshof der Europäischen Union, Urteil vom 7. Dezember 2023, C-634/21, SCHUFA Holding (Scoring); zur Einordnung eines automatisch ermittelten Wahrscheinlichkeitswerts als automatisierte Entscheidung bei maßgeblicher Rolle für die Entscheidung eines Dritten, Abruf: 24.08.2026.
- Q143
Quellen zu Abschnitt 6.3
Bundesministerium der Justiz und Bundesamt für Justiz, Handelsgesetzbuch § 245 „Unterzeichnung“, aktuelle Onlinefassung, Abruf: 24.08.2026.
- Q144
Quellen zu Abschnitt 6.3
Bundesministerium der Justiz und Bundesamt für Justiz, Handelsgesetzbuch § 264 „Pflicht zur Aufstellung; Befreiung“, aktuelle Onlinefassung, Abruf: 24.08.2026.
- Q145
Quellen zu Abschnitt 6.3
Bundesministerium der Justiz und Bundesamt für Justiz, Aktiengesetz § 76 „Leitung der Aktiengesellschaft“, aktuelle Onlinefassung, Abruf: 24.08.2026.
- Q146
Quellen zu Abschnitt 6.3
Bundesministerium der Justiz und Bundesamt für Justiz, Abgabenordnung § 34 „Pflichten der gesetzlichen Vertreter und der Vermögensverwalter“, aktuelle Onlinefassung, Abruf: 24.08.2026.
- Q147
Quellen zu Abschnitt 6.4
OECD, „Skills in the AI age“, OECD Skills Outlook 2026, veröffentlicht am 8. Juli 2026; insbesondere Befunde zu ungleicher KI-Einführung, Aufgabenveränderung sowie komplementären kognitiven und sozialen Fähigkeiten, Abruf: 24.08.2026.
- Q148
Quellen zu Abschnitt 6.4
International Labour Organization und NASK, „Generative AI and Jobs: A Refined Global Index of Occupational Exposure“, ILO Working Paper 140, veröffentlicht am 20. Mai 2025; Exposition als Potenzial für Transformation, nicht als direkte Beschäftigungsprognose, Abruf: 24.08.2026.
- Q149
Quellen zu Abschnitt 6.4
OECD, „Artificial intelligence and the changing demand for skills in the labour market“, OECD Artificial Intelligence Papers Nr. 14, veröffentlicht am 10. April 2024; Analyse veränderter Aufgaben- und Qualifikationsnachfrage in KI-exponierten Berufen, Abruf: 24.08.2026.
- Q150
Quellen zu Abschnitt 6.4
ACCA und Chartered Accountants Australia and New Zealand in association with PwC, „Finance evolution: Embracing the future of finance and technology“; Bericht auf Basis einer globalen Befragung von mehr als 2.300 Personen und Perspektiven von mehr als 150 Finance-Professionals, Abruf: 24.08.2026.
- Q151
Quellen zu Abschnitt 6.4
International Federation of Accountants, „Future-Ready CFO and Finance Function“, Themenportal mit den Veröffentlichungen „A Vision for the CFO & Finance Function“ und „Future-Fit Accountants: Roles for the Next Decade“ vom 4. September 2019; historisches professionelles Rollenbild, Abruf: 24.08.2026.
- Q152
Quellen zu Abschnitt 6.5
European Commission, Joint Research Centre, Yulia Barabanova und Maciej Krzysztofowicz, „Digital Transition: Long-term Implications for EU Farmers and Rural Communities“, JRC Science for Policy Report JRC134571, 2023; genutzt wird die methodische Einordnung von Foresight-Szenarien als plausible alternative Entwicklungen, nicht die sektorale Aussage, Abruf: 24.08.2026.
- Q153
Quellen zu Abschnitt 6.5
Eurostat, „Use of artificial intelligence in enterprises“, Daten für 2025, extrahiert im Dezember 2025; Nutzung nach Unternehmensgröße, Einsatzzweck und Gründe gegen eine Einführung, einschließlich Methodik und Stichprobe, Abruf: 24.08.2026.
- Q154
Quellen zu Abschnitt 6.5
Bank of England und Financial Conduct Authority: Artificial intelligence in UK financial services – 2026. 26.10.2026. 196 Rückläufe, davon 105 zum ausführlichen Fragebogen. Verwendet wurden Abschnitte 1.2, 2.2, 3.2 (Tabelle B) und 4.1. Abruf: 11.11.2026.
- Q155
Quellen zu Abschnitt 6.5
Bank of England, Financial Policy Committee, „Financial Policy Committee Record – April 2026“, veröffentlicht am 20. April 2026; Einschätzung zur bislang begrenzten Nutzung fortgeschrittener KI für materielle Kernentscheidungen und zur möglichen Beschleunigung der Risiken bei wachsender Einführung, Abruf: 24.08.2026.
- Q156
Quellen zu Abschnitt 6.6
OECD, „OECD Due Diligence Guidance for Responsible AI“, OECD Publishing, Paris, veröffentlicht am 19. Februar 2026; verwendet wurden der sechsphasige Sorgfaltsprozess, die Einbettung in Managementsysteme, Wirkungsidentifikation, Prävention/Minderung, Ergebnisverfolgung, Kommunikation und Abhilfe, Abruf: 24.08.2026.
- Q157
Quellen zu Abschnitt 6.6
OECD, „Due diligence essentials for responsible software“, Responsible Business Conduct Spotlights, Fallstudie vom 6. April 2026; verwendet wurden Software-Wertschöpfungskette, kurze Innovationszyklen sowie die querschnittliche Rolle von KI als Anwendung, Middleware, eingebettete Funktion und Systemkomponente, Abruf: 24.08.2026.
- Q158
Quellen zu Abschnitt 6.6
European Commission, Joint Research Centre / EU Policy Lab, „Reference Foresight Scenarios: How to futureproof EU policies?“, veröffentlicht am 13. September 2023; verwendet wurde die methodische Idee, Entscheidungen durch plausible Szenarien zu stress-testen und dadurch robuster zu gestalten, nicht die sektorale oder politische Aussage, Abruf: 24.08.2026.
- Q159
Quellen zu Abschnitt 2.8
Anwar, Ashif: Artificial Intelligence-Driven Financial Reporting: Transforming Customized Financial Statements, Decision Intelligence, and Assurance Practices. Accounting and Auditing 2(4), Artikel 23. Online 04.11.2026. DOI 10.3390/accountaudit2040023. Abruf: 11.11.2026.
- Q160
Quellen zu Abschnitt 3.5
BDO USA: 2026 Audit Innovation Survey. 04.11.2026. Befragung von 200 leitenden Finanzverantwortlichen größerer US-Unternehmen mit jährlicher externer Abschlussprüfung. Abruf: 11.11.2026.
- Q161
Quellen zu Abschnitt 1.6
Jung Ho Choi und Chloe Xie: Human + AI in Accounting: Early Evidence from the Field. Journal of Accounting Research, 64(3), 2026, S. 1333–1373. Befragung, Plattformdaten und getrenntes Feldexperiment in der Buchhaltung. Abruf: 11.11.2026.
- Q162
Quellen zu Abschnitt 3.2
Europäische Union: Verordnung (EU) 2026/1744 zur Änderung der Verordnung (EU) 2024/1689. Maßgeblich hier: Artikel 111 Absatz 4 zur begrenzten Übergangsregel für die technische Kennzeichnung nach Artikel 50 Absatz 2. Abruf: 11.11.2026.
- B1
Vertiefende Fachbücher
Florian Bliefert: Künstliche Intelligenz und Data Science im Controlling verstehen und anwenden. 1. Auflage, 2026, 222 Seiten, ISBN 978-3-7775-0073-7.
- B2
Vertiefende Fachbücher
Reinhard Bleiber: KI im Rechnungswesen – Praxisbuch für Anwender in Buchhaltung, Kostenrechnung und Controlling. Haufe, 1. Auflage 2025, ISBN 978-3-648-18645-9.
- B3
Vertiefende Fachbücher
Rob J. Hyndman / George Athanasopoulos: Forecasting: Principles and Practice. 3. Auflage, OTexts, 2021; fortlaufend aktualisierte Onlineausgabe.
- B4
Vertiefende Fachbücher
Foster Provost / Tom Fawcett: Data Science for Business. O’Reilly Media, 2013.
- B5
Vertiefende Fachbücher
Stuart Russell / Peter Norvig: Artificial Intelligence: A Modern Approach. 4. Auflage, Pearson, 2021.
- B6
Vertiefende Fachbücher
Ajay Agrawal / Joshua Gans / Avi Goldfarb: Prediction Machines, Updated and Expanded. Harvard Business Review Press, 2022.
- B7
Vertiefende Fachbücher
Chip Huyen: Designing Machine Learning Systems. O’Reilly Media, 2022, 386 Seiten, ISBN 978-1-098-10795-6.
- B8
Vertiefende Fachbücher
Marco Iansiti / Karim R. Lakhani: Competing in the Age of AI. Harvard Business Review Press, 2020.
- B9
Vertiefende Fachbücher
Ethan Mollick: Co-Intelligence – Living and Working with AI. Portfolio/Penguin, 2024.
- B10
Vertiefende Fachbücher
Florian Bliefert: Künstliche Intelligenz und Data Science im Controlling verstehen und anwenden. 1. Auflage, Haufe, 222 Seiten, ISBN 978-3-7775-0073-7. Abruf: 11.11.2026.
- B11
Vertiefende Fachbücher
Reinhard Bleiber: KI im Rechnungswesen. 1. Auflage, Haufe, 308 Seiten. Abruf: 11.11.2026.
- B12
Vertiefende Fachbücher
Robert Rieg: Praxisratgeber Künstliche Intelligenz im Controlling. Vahlen, angekündigt, ISBN 978-3-8006-7750-4. Abruf: 11.11.2026.
- B13
Vertiefende Fachbücher
Reinhard Bleiber: KI-Know-how für Buchhaltung und Controlling. Haufe, angekündigt für Dezember 2026. Abruf: 11.11.2026.